「留意文末福利」
朋友,今天你转了吗?
听说数据分析岗大有前(钱)途,很多小伙伴纷纷尝试转行。找点儿入门书和入门课,学点儿Python和SQL,大半年下来,不少勤奋的小伙伴如愿以偿地跻身数据分析师行列。
不过,一路「过关斩将」后,有多少小伙伴能在晋升答辩中从容应对面试官的灵魂拷问呢?
数据科学家(data scientist)是舶来词,在线英语词典Lexico.com对其定义如下:分析和解释复杂数据的人,尤指借助数据帮助公司做决策的人。
从这个定义看,数据科学家似乎做的正是数据分析工作。但是,二者在薪资上差异明显。在最近发布的一份国内程序员平均工资报告中,数据分析师和数据科学家的薪资可谓天壤之别。
严格地说,数据分析师和数据科学家是截然不同的职业方向。在转行做数据分析时搞清楚二者的区别,有助于规划更符合自己的职业发展道路。
「数据大厦」的灵魂建筑师
数据分析师的工作是收集和分析数据,并从中提取有用的见解。他们通常与结构化数据打交道。
数据科学家的工作则更宽泛,他们判断要收集何种数据,如何收集这些数据,并且通常与非结构化的大型数据集打交道。
你可以把数据科学家想象成建筑师,负责规划、设计和构造数据结构。
全能数据科学家的技能矩阵
笼统地说,可以把全能数据科学家的技能分为以下4类。
数据理论
正如建筑少不了砖和砂浆,「数据大厦」少不了算法。利用数据理论,数据科学家可以构造出全新的抽象算法。
数据架构
将算法应用于具体的领域,正如富有创意的建筑师灵活地运用不同的砖块绘制出美丽蓝图。
数据建模
将蓝图付诸实践,这正如结构工程师所做的工作。
数据分析
利用已经盖好的房子做实际的工作。比如盖好的房子是消防站,那么数据分析师就是利用消防站的特殊设施进行训练的消防员。
可见,数据分析只是数据科学的一小部分。纯粹的数据分析师只会考虑如何使用「房子」,而不会考虑如何规划、设计和建造「房子」。
成为数据科学家没你想的那么难
如果你不满足于已有的「房子」,也想成为那个规划、设计和建造「房子」的人,欢迎来到数据科学世界!
任何拥有一定数学基础和编程技能的人,都可以从事数据科学工作。
你只需怀有好奇心,足够勤奋,当然还需要拥有一本优秀的入门书。
图 灵 上 新 啦 !
乔尔·格鲁斯(Joel Grus) 著
岳冰 高蓉 韩波 译
全能数据科学家成长指南
长居亚马逊机器学习热销榜
数据科学关键能力矩阵全覆盖
在本书中,你将化身为虚构公司DataSciencester的员工,从零开始数据科学工作,亲手构建工具、实现算法,最终从数据科学新手蜕变为全能的数据科学家。
我适合读这本书吗?
如果你对探索数据充满热情,不满足于使用现有的数据科学库,而是希望真正理解数据科学,本书就很适合你!
懂得基本的Python编程自然更好,不过本书为你提供了一堂Python速成课,或者你可以先阅读「蟒蛇书」。
我能学到什么?
你可以通过本书习得数据科学家的关键能力。
- 编程语言(Python)
- 数据可视化
- 统计学
- 概率论
- 机器学习算法
- 关系数据库
- 分布式计算
- 加分项:NLP、神经网络、深度学习
小编为你精心准备了学习路线图,建议立刻保存。
这本书的作者是谁?
乔尔·格鲁斯(Joel Grus)
Capital Group公司首席机器学习工程师,担任过艾伦研究所的人工智能研发工程师以及谷歌公司的软件工程师,他是AllenNLP库的核心开发人员。
听听其他读者怎么说
乔尔将带你踏上数据科学探索之旅,让你从数据爱好者一跃成为通晓实用算法的数据科学家。
——Rohit Sivaprasad
Facebook公司数据科学家
我向所有想转战机器学习领域的分析师和工程师推荐这本书。
——Tom Marthaler
亚马逊公司软件开发经理
用代码实现数据科学概念并非易事,但这本书轻松地做到了。
——William Cox
Grubhub公司机器学习工程师
本书教会我用简单的函数实现关键的数据科学概念,而不只是使用Pandas或scikit-learn这种高级库,这种讲解方式对理解底层原理更有帮助。
——Ryan M
亚马逊读者
一 键 购 书
立 享 8.4 折 优 惠
文 末 福 利
留言主题:在你的日常工作中,哪些方面能用上数据分析?
留言点赞数最高的前3位读者,各送1本《数据科学入门(第2版)》。
统计截止时间:1月6日21:00。
题图素材来源:Canva可爱娃
内容参考:
https://careerfoundry.com/en/blog/data-analytics/data-analyst-to-data-scientist-career-transition/
https://blog.csdn.net/juwikuang/article/details/10954525
点击「阅读原文」开始试读本书。
图 灵 社 群